Look-up in Google Scholar
Full metadata record
Meza Lovón, Graciela
Delgado Mattos, Alessandra Daniela
2017-04-18T16:02:34Z
2017-04-18T16:02:34Z
2017-04-18T16:02:34Z
2017-04-18T16:02:34Z
2015
1053354
https://hdl.handle.net/20.500.12590/15200
En los últimos años la cantidad de aplicaciones orientadas a la industria musical ha incrementado considerablemente. Las opciones que estas nuevas aplicaciones ofrecen cada vez se van tornando m´as complejas y sofisticadas, puesto que las expectativas de los usuarios se van haciendo más exigentes. Hoy en día ya no basta con aplicaciones musicales que so´lo sirvan como simples reproductores de archivos de audio, los usuarios precisan de m´as opciones y funcionalidades, siendo uno de estos, los sistemas automáticos de recomendación musical basado en los gustos y preferencias de dicho usuario. Entonces para poder obtener una recomendación musical óptima se enfrentan tres problemas, el primero es como extraer la información musical, ya que existen diversas maneras de hacerlo, el segundo problema es la selección de la información extraída para poder clasificar los archivos musicales y finalmente la indexación de los archivos musicales bajo criterios de similitud para poder organizar la música. Estos problemas se resuelven utilizando características de alto nivel mediante la extracción de información de los metadatos y archivos MIDI, seleccionar las características obtenidas haciendo uso de dos métodos de selección de características mRMR y SIR y finalmente indexar los datos obtenidos en una estructura métrica que permita realizar las consultas requeridas generando una recomendación musical más óptima. Se obtuvo hasta 57% de eficacia en la recomendación por género y hasta 0,87 utilizando la métrica precisión en cuánto a la similitud de las canciones recomendadas hacia la ingresada por el usuario. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Católica San Pablo (es_PE)
SUNEDU
info:eu-repo/semantics/restrictedAccess (es_PE)
Repositorio institucional - UCSP (es_PE)
Universidad Católica San Pablo (es_PE)
reponame:UCSP-Institucional
instname:Universidad Católica San Pablo
instacron:UCSP
Estructuras métricas (es_PE)
LAESA (es_PE)
Omni Secuencial (es_PE)
Recomendación musical a partir de la selección de características relevantes de alto nivel mediante las estructuras métricas LAESA y Omni secuencial (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Católica San Pablo. Facultad de Ingeniería y Computación (es_PE)
Ciencia de la Computación (es_PE)
Título Profesional (es_PE)
Licenciado en Ciencia de la Computación (es_PE)
PE (es_PE)
http://purl.org/pe-repo/ocde/ford#1.02.01 (es_PE)
40222974
70516066
Privada asociativa



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.